Instructions to use raphaelfontes/Llama-3-8B-CONITEC-Extractor with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries
PEFT
How to use raphaelfontes/Llama-3-8B-CONITEC-Extractor with PEFT:
```
Task type is invalid.
```

How to use raphaelfontes/Llama-3-8B-CONITEC-Extractor with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="raphaelfontes/Llama-3-8B-CONITEC-Extractor")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("raphaelfontes/Llama-3-8B-CONITEC-Extractor")
model = AutoModelForCausalLM.from_pretrained("raphaelfontes/Llama-3-8B-CONITEC-Extractor")
messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=40)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use raphaelfontes/Llama-3-8B-CONITEC-Extractor with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "raphaelfontes/Llama-3-8B-CONITEC-Extractor"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "raphaelfontes/Llama-3-8B-CONITEC-Extractor",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/raphaelfontes/Llama-3-8B-CONITEC-Extractor

SGLang

How to use raphaelfontes/Llama-3-8B-CONITEC-Extractor with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "raphaelfontes/Llama-3-8B-CONITEC-Extractor" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "raphaelfontes/Llama-3-8B-CONITEC-Extractor",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "raphaelfontes/Llama-3-8B-CONITEC-Extractor" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "raphaelfontes/Llama-3-8B-CONITEC-Extractor",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Unsloth Studio new

How to use raphaelfontes/Llama-3-8B-CONITEC-Extractor with Unsloth Studio:

Install Unsloth Studio (macOS, Linux, WSL)

curl -fsSL https://unsloth.ai/install.sh | sh
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for raphaelfontes/Llama-3-8B-CONITEC-Extractor to start chatting

Install Unsloth Studio (Windows)

irm https://unsloth.ai/install.ps1 | iex
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for raphaelfontes/Llama-3-8B-CONITEC-Extractor to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for raphaelfontes/Llama-3-8B-CONITEC-Extractor to start chatting

Load model with FastModel

pip install unsloth
from unsloth import FastModel
model, tokenizer = FastModel.from_pretrained(
    model_name="raphaelfontes/Llama-3-8B-CONITEC-Extractor",
    max_seq_length=2048,
)

Docker Model Runner
How to use raphaelfontes/Llama-3-8B-CONITEC-Extractor with Docker Model Runner:
```
docker model run hf.co/raphaelfontes/Llama-3-8B-CONITEC-Extractor
```

You need to agree to share your contact information to access this model

This repository is publicly accessible, but you have to accept the conditions to access its files and content.

Llama 3 8B - Extrator JSON CONITEC

Visão Geral do Modelo

Licença: Apache-2.0
Modelo Base: unsloth/llama-3-8b-Instruct-bnb-4bit
Idioma principal: Português (pt-BR)

Este modelo é um fine-tuning do Llama-3-8B-Instruct otimizado especificamente para Extração de Entidades Nomeadas (NER) e Informações Farmacoeconômicas em relatórios técnicos da CONITEC (Ministério da Saúde - Brasil). O modelo foi treinado de forma acelerada (2x mais rápido) utilizando a biblioteca Unsloth e a biblioteca TRL da Hugging Face.

Ele atua como um extrator determinístico, recebendo contextos textuais fragmentados (chunks semânticos extraídos de PDFs) e estruturando dados financeiros e epidemiológicos em um payload JSON estrito.

Arquitetura de Dados e Pipeline (Lakehouse)

O modelo atua como o "motor de cognição" na camada Gold de um pipeline de dados orquestrado por Apache Airflow:

Camada Bronze: Extração bruta dos PDFs dos relatórios da CONITEC no S3.
Camada Silver: Conversão para Markdown, processamento espacial/geométrico das páginas (via PyMuPDF) e roteamento semântico (busca híbrida via Regex + Similaridade de Cosseno com TF-IDF) para isolar os parágrafos relevantes.
Camada Gold: Inferência local com este modelo LLM para gerar a estrutura JSON final e consolidar em um Data Warehouse de Saúde Pública usando DuckDB e formato Parquet.

Schema JSON de Saída Esperado

O modelo foi condicionado para retornar rigorosamente o formato abaixo, utilizando null explícito para valores não encontrados na janela de contexto para evitar alucinações cognitivas:

{
  "cnpj": {"raw": "", "normalized": null},
  "laboratorio": {"raw": "", "normalized": null},
  "relatorio_tecnico": {"raw": "", "normalized": null},
  "data_publicacao": {"raw": "", "normalized": null},
  "medicamento": {"raw": "", "normalized": null},
  "apresentacao": {"raw": "", "normalized": null},
  "preco_cmed": {"raw": "", "normalized": null},
  "preco_inicial": {"raw": "", "normalized": null},
  "preco_final": {"raw": "", "normalized": null},
  "populacao_estimada": {"raw": "", "normalized": null}
}

Detalhes de Treinamento e Fine-Tuning

Ambiente e Hardware

Hardware: NVIDIA T4 (16GB VRAM) via Google Colab.
Frameworks: Unsloth, TRL, Transformers, Datasets.
Precisão de Treinamento: 4-bit Quantization (QLoRA) com Otimizador adamw_8bit e FP16/BF16 Misto (conforme suporte de hardware).

Configurações do Adaptador LoRA (PEFT)

Rank (r): 16
LoRA Alpha: 16
Target Modules: q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj
Dropout: 0.0
Bias: none

Hiperparâmetros do SFTTrainer

Max Sequence Length: 2048 tokens
Per Device Train Batch Size: 4
Gradient Accumulation Steps: 4
Learning Rate: 2e-5
LR Scheduler: Cosine
Num Epochs: 2
Warmup Steps: 0.03
Weight Decay: 0.01
Seed: 3407

Dataset

O dataset instrucional foi formatado utilizando o Chat Template nativo do modelo Llama-3 (contendo as roles system, user e assistant).
Divisão de Dados: 90% Treino / 10% Avaliação (test_size=0.1).
O prompt de sistema força a saída JSON e a simetria perfeita entre as chaves do banco de dados e a inferência final.

Limitações e Uso Indevido

Uso Exclusivo para Q&A e Extração: Este modelo sofreu fine-tuning agressivo para gerar JSON e obedecer regras determinísticas de extração de metadados. Ele não deve ser utilizado para geração de texto criativo livre, atuar como chatbot clínico ou prescrever tratamentos. Sua função é leitura e estruturação técnica.
Dependência de Contexto Filtrado: O modelo atinge altíssima performance quando alimentado com os chunks textuais já saneados pela arquitetura da camada Silver. O envio de relatórios em PDF inteiros e brutos para a sua janela de contexto resultará em degradação de precisão e provável estouro do limite de tokens (Context Window).

Downloads last month: -

Safetensors

Model size

8B params

Tensor type

BF16

Model tree for raphaelfontes/Llama-3-8B-CONITEC-Extractor

Base model

unsloth/llama-3-8b-Instruct-bnb-4bit

Adapter

(159)

this model